文献

J-GLOBAL ID：202102274398102604   整理番号：21A0841573

スポーツクライミングにおけるホールドの難易度推定モデルの設計

Design of a model for estimating the difficulty of holds in sport climbing

著者 (4件)： 西野直登 (北大 大学院情報科学院) ,  桂大地 (北大 大学院情報科学院) ,  棟朝雅晴 (北大 大学院情報科学院) ,  棟朝雅晴 (北大 情報基盤セ)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2021  号： MPS-132  ページ： Vol.2021-MPS-132,No.13,1-2 (WEB ONLY)  発行年： 2021年02月22日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究では,スポーツクライミングにおけるホールドの3次元オブジェクト情報を数値化し,PointNetと呼ばれる3次元形状データに対する深層ニューラルネットワークを用いてホールドの難易度推定を行う.用いるデータセットはクライミング経験者への調査実験と,実物のホールドを3次元スキャンしたデータにより作成され,モデルの学習とテストを行った.提案する一連のアーキテクチャより,3次元オブジェクトの形状情報からホールドの難易度予測を実現する可能性が示唆された.(著者抄録)

シソーラス用語： スポーツ ,  学習モデル ,  *ニューラルネットワーク ,  走査 ,  教師つき学習 ,  粒度【計算機】 ,  損失関数 ,  回帰モデル ,  データ処理 ,  点群 ,  行列 ,  機械学習
準シソーラス用語： 3次元スキャン ,  3次元形状データ ,  *スポーツクライミング ,  *ホールド難易度推定モデル ,  教師ラベル ,  混同行列 ,  *深層ニューラルネットワーク ,  深層学習 ,  点群データ

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (5件)：

• Naderi K., Rajamäki J., Hämäläinen P.: Discovering and synthesizing humanoid climbing movements, ACM Trans. Graph., vol.36, no.4, (2017).
• Dung N. A., Shimada A.: A path-planning algorithm for humanoid climbing robot using Kinect sensor, Proceedings of the SICE Annual Conference (SICE), pp.1549-1554, (2014).
• Dobles A., Sarmiento J. C., Satterthwaite P.: Machine Learning Methods for Climbing Route Classification, 入手先 〈http://cs229.stanford.edu/proj2017/final-reports/5232206.pdf〉, (2017).
• Fuss F. K., Niegl G.: Quantification of the Grip Difficulty of a Climbing Hold (P142), The Engineering of Sport 7 vol.2, Springer (2008).
• Charles R. Q., Su H., Kaichun M., Guibas L. J.: PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.77-85, (2017).

タイトルに関連する用語 (5件)： スポーツ ,  クライミング ,  難易度 ,  推定モデル ,  設計